获取概率图点的方法主题
获取概率图点的方法概率图通过根据其估计累积概率标绘每个观测值（包括重复的值），从样本创建估计的累积分布函数 (cdf)。
估计累积概率根据在工具 > 选项 > 单独图表 > 概率图中所选的内容（默认值为中位数秩）按以下公式之一进行计算。对于每个公式，使 n 等于观测值数，使 i 等于每个观测值的等级顺序，这样 i = 1 表示最小值，而 i = n 表示最大值。
|
方法 |
公式 | ||
|
中位数等级 (Benard) |
| ||
|
均值等级 (Herd-Johnson) |
| ||
|
修正后 Kaplan-Meier (Hazen) |
| ||
|
Kaplan-Meier |
|
拟合分布线表示具有所指参数（无论估计的或历史的）的所选理论分布的 cdf。如果未提供历史参数，则 Minitab 将使用最小二乘估计（正态分布或对数正态分布）或极大似然估计（其他分布）来估计参数。
Y 值（在某些情况下是 X 值）将变换，以使拟合线为线性。但是，刻度标签始终与未变换值保持一致。因此，所选分布与数据达到完全拟合的程度，以致，标绘点形成一条直线。
下表显示了对每种分布使用的变换。
|
分布 |
X 坐标 |
Y 坐标（分值） |
|
正态 |
数据 |
|
|
对数正态 |
ln(数据) |
|
|
3 参数对数正态 |
ln(数据 - 阈值) |
|
|
Gamma |
ln(数据) |
G-1(p), k |
|
3 参数 Gamma |
ln(数据 - 阈值) |
G-1(p), k |
|
指数 |
ln(数据) |
ln(-ln(1 - p)) |
|
2 参数指数 |
ln(数据 - 阈值) |
ln(-ln(1 - p)) |
|
最小极值 |
数据 |
ln(-ln(1 - p)) |
|
Weibull |
ln(数据) |
ln(-ln(1 - p)) |
|
3 参数 Weibull |
ln(数据 - 阈值) |
ln(-ln(1 - p)) |
|
最大极值 |
数据 |
-ln(-ln(p)) |
|
Logistic |
数据 |
ln(p / (1 - p)) |
|
对数 Logistic |
ln(数据) |
ln(p / (1 - p)) |
|
3 参数对数 Logistic |
ln(数据 - 阈值) |
ln(p / (1 - p)) |
|
其中： |
|
|
|
数据 |
= |
观测的数据值 |
|
In(x) |
= |
x 的自然对数 |
|
|
= |
标准正态分布的逆 cdf 为 p 返回的值。 |
|
G-1(p), k |
= |
Gamma 分布（形状 = k 且尺度 = 1）的逆 cdf 为 p 返回的值。除非输入历史值，否则 Minitab 不会使用估计的形状参数。 |
|
更多 |
如果标绘未针对阈值调整的数据，则分布拟合不是由直线表明。 |
(p)